Multikolinearitas (Multicollinearity)
• Pengertian Multikolinearitas
• Multikolinearitas: Multikolinieritas adalah suatu keadaan dimana terjadi korelasi linear yang ”perfect” atau eksak di antara variabel penjelas yang dimasukkan ke dalam model.
Uji Multikolinearitas
• Uji multikolinearitas bertujuan untuk menguji
apakah model regresi ditemukan adanya korelasi antar variabel bebas (independent variable).
• Cara mendeteksi ada atau tidaknya multikolinearitas:
– Nilai R² yang dihasilkan sangat tinggi, tetapi secara individual variabel2 bebas banyak yg tidak signifikan mempengaruhi varibel terikat.
– Menganalisis matriks korelasi variabel-variabel bebas. Jika antar variabel bebas ada korelasi yg
cukup tinggi (di atas 0.80), mengindikasikan adanya multikolinearitas.
– Multikolinearitas dapat juga dilihat dari nilai tolerance dan lawannya variace inflation factor (VIF). Nilai yg umumnya dipakai untuk menunjukkan adanya
multikolinearitas adalah nilai tolerance ≤ 0.10 atau VIF sama dengan ≥ 10.
Sebagai gambaranpenjelas,
Konsekuensi Multikolinearitas
• Apabila belum terbebas dari masalah
multikolinearitas akan menyebabkan nilai
koefisien regresi (b) masing-masing variabel bebas dan nilai standar error-nya (se)
cenderung bias, dalam arti tidak dapat
ditentukan kepastian nilainya, sehingga akan berpengaruh pula terhadap nilai t
•
Pendeteksian Multikolinearitas
• Terdapat beragam cara untuk menguji
multikolinearitas, di antaranya: menganalisis matrix korelasi dengan Pearson Correlation atau dengan Spearman’s Rho Correlation, melakukan regresi partial dengan teknik auxilary regression
Menurut Gujarati (1995):
• Bila korelasi antara dua variabel bebas melebihi 0,8 maka multikolinearitas menjadi masalah yang serius.
• Apabila korelasi antara variabel penjelas tidak lebih besar dibanding korelasi variabel terikat dengan masing-masing variabel penjelas,
maka dapat dikatakan tidak terdapat masalah yang serius.
• Bukan File multiple_reg
• Menu Analize ─> Regression ─> Linear .. Tampak di Layar windows Linear Regression
• Pada kotak Dependent isikan variabel income
• Pada kotak Independent isikan variabel Usia, Pengalaman Kerja, dan Jenis Kelamin
• Pada kotak Method, pilih Enter
• Untuk menampilkan matriks korelasi dan nilai Tolerance dan VIF, pilih Statistics, di layar akan muncul tampilan Linear Regession Statistics, sebagai berikut:
Uji Multikolinearitas dengan SPSS
Perintah dalam SPSS
• Aktifkan pilihan Covariance matrix dan Collinierity diagnostics
• Tekan Continue, abaikan yang lain dan tekan OK
Coefficient Correlationsa
Model Jenis Kelamin
Pengalaman
Kerja Usia
1 Correlations Jenis Kelamin 1.000 -.525 -.581
Pengalaman Kerja
-.525 1.000 -.057
Usia -.581 -.057 1.000
Covariances Jenis Kelamin 7987381.601 -965693.244 -336358.099 Pengalaman
Kerja
-965693.244 423275.139 -7591.684
Usia -336358.099 -7591.684 41909.197 a. Dependent Variable: Income
Tidak terjadi multikolinearitas karena korelasi antar variabel bebas/independent di bawah 0.80
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -9071.764 5331.943 -1.701 .133
Usia 1148.913 204.717 .620 5.612 .001 .481 2.080
Pengalaman Kerja
1513.691 650.596 .246 2.327 .053 .526 1.902
Jenis Kelamin 5239.227 2826.196 .240 1.854 .106 .349 2.863 a. Dependent Variable: Income
• Hasil perhitungan Nilai Tolerance menunjukkan tidak ada variabel bebas yang memiliki nilai Tolerance kurang dari 0.10
• Hasil perhitungan Nilai Variance Inflation Factor (VIF) menunjukkan tidak ada variabel bebas yang memiliki nilai VIF lebih dari 10
Mengatasi Multikolinearitas
• Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi
• Menambah jumlah observasi atau sampel
• Mentransformasikan data ke dalam bentuk
lain, misalnya logaritma, logaritma natural, dll
• Alternatif yang lebih lanjut (advanced)
menggunakan metode bayessian yang masih jarang digunakan
